Fähigkeiten zum Lesen von JSON-Daten in Pandas

Tipps zum Lesen von JSON-Daten mit Pandas

Übersicht:
Pandas ist ein leistungsstarkes Datenanalysetool und JSON ist ein gängiges Datenaustauschformat. Während des Datenanalyseprozesses stoßen wir häufig auf Situationen, in denen wir JSON-Daten lesen müssen. In diesem Artikel werden einige Techniken zum Lesen von JSON-Daten mit Pandas vorgestellt und spezifische Codebeispiele bereitgestellt.

1. Verwenden Sie die Funktion read_json(), um JSON-Daten zu lesen.
   Pandas bietet die Funktion read_json() zum Lesen von JSON-Daten. Diese Funktion lädt JSON-Daten in einen Pandas DataFrame. Das Folgende ist ein Beispielcode zum Lesen von JSON-Daten mit der Funktion read_json():

import pandas as pd # 读取JSON文件 df = pd.read_json('data.json') # 打印DataFrame的前几行 print(df.head())

Im obigen Code verwenden wir die Funktion read_json(), um die JSON-Datei mit dem Namen „data.json“ zu lesen und in die df zu laden variabel. Verwenden Sie dann die Funktion head(), um die ersten Zeilen des DataFrame zu drucken.

2. Verarbeitung verschachtelter JSON-Daten
   Manchmal gibt es verschachtelte Strukturen in JSON-Daten. Beispielsweise ist der Wert eines Feldes ein JSON-Objekt, das mehrere Felder enthält. Beim Lesen solcher verschachtelter JSON-Daten können wir den Parameter „lines“ der Funktion read_json() in Kombination mit der Funktion json_normalize() verwenden, um die verschachtelten Daten zu reduzieren. Hier ist ein Beispiel:

import pandas as pd from pandas.io.json import json_normalize # 读取包含嵌套JSON数据的文件 with open('data.json') as f: data = json.load(f) # 使用json_normalize()函数展平嵌套的数据 df = pd.json_normalize(data) # 打印DataFrame的前几行 print(df.head())

Im obigen Code verwenden wir zunächst die Funktion open(), um die Datei mit den verschachtelten JSON-Daten zu öffnen, und verwenden die Funktion json.load(), um die Daten zu laden. Verwenden Sie dann die Funktion json_normalize(), um die verschachtelten Daten zu reduzieren und das Ergebnis in der df-Variablen zu speichern.

3. In einem JSON-Array verschachtelte Daten lesen
   Manchmal ist der Wert eines Felds in den JSON-Daten ein JSON-Array. Beim Lesen der Daten können wir in diesem Fall das JSON-Array in eine Pandas-Serie konvertieren und das Array mithilfe der Funktion „explodieren“ erweitern. Hier ist ein Beispiel:

import pandas as pd # 读取包含嵌套JSON数组的文件 df = pd.read_json('data.json') # 将JSON数组转换为Series，并使用explode()函数展开 df['array_field'] = df['array_field'].apply(pd.Series).explode('array_field') # 打印DataFrame的前几行 print(df.head())

Im obigen Code verwenden wir die Funktion read_json(), um eine Datei mit einem verschachtelten JSON-Array zu lesen und sie in die df-Variable zu laden. Das JSON-Array wird dann in eine Pandas-Serie konvertiert und mithilfe der Funktion explosion() erweitert. Drucken Sie abschließend die ersten paar Zeilen des DataFrame.

Zusammenfassung:
In diesem Artikel werden einige Techniken zum Lesen von JSON-Daten mit Pandas vorgestellt und spezifische Codebeispiele bereitgestellt. Wenn Sie diese Tipps verstehen, können Sie flexibler mit JSON-Daten arbeiten und die Datenanalyse schneller und effizienter gestalten. Ich hoffe, dieser Artikel ist hilfreich für Sie.

Das obige ist der detaillierte Inhalt vonFähigkeiten zum Lesen von JSON-Daten in Pandas. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!